Docente: Ing.

Kene Reyna Rojas

Tabla de Diferencias finitas
Sea una función f (xi) igualmente espaciada es decir h = cte donde h = x i – x i+1

i x fx f 2 f 3 f 4 f 5 f 6 f
3 x3 f 3
f 2  f 3  f 3
2 x2 f 2  2 f 3
f 1  f 2  f 2  3 f 3
1 x1 f 1  2 f 2  4 f 3
f 0  f 1  f 1  3 f 2  5 f 3
0 x0 f0  2 f 1  4 f 2  6 f 3
f1  f 0  f 0  3 f 1  5 f 2
1 x1 f1 2 f0  4 f 1
f 2  f1  f1 3 f0
2 x2 f2  2 f1
f 3  f 2  f 2
3 x3 f3
Ejemplo
x f(x)
0 0
0.203
0.2 0.203 0.017
0.22 0.024
0.4 0.423 0.041 0.02
0.261 0.044 0.032
0.6 0.684 0.085 0.052 0.127
0.346 0.096 0.159
0.8 1.03 0.181 0.211
0.527 0.307
1 1.557 0.488
1.015
1.2 2.572
Cuando los datos puntuales están igualmente espaciados se
puede aplicar una fórmula de expansión numérica en forma
análoga a la expansión de la serie de Taylor; dependiendo del
tipo de diferenciación estas pueden ser regresiva, progresiva y
central.

Recordando la serie de Taylor x  0; h cte.

Pn ( x)  f 0   1s  f 0   2s   2 f 0   3s   3 f 0  ...   ns   n f 0
hf '( x) h 2 f ''( x) h3 f '''( x) h n f n ( x)
f ( x)  f ( x)     ... 
1! 2! 3! n!
 Progresiva : una función o set de datos funcionales puede
aproximarse
n
f ( x)   ( ) f s
r
s
s

s 0


Donde
r  r!
s s(r  s)!

Siendo r : factor de interpolación

S : orden de la diferencia finita
 Generalizando *
* *
2 f0 3 f 0
pn ( x)  f 0  r (f 0 )  r (r  1)  r (r  1)(r  2)  ...
2! 3!

r : factor de interpolación h cte.

x  x0 x  x0
r 
h xi 1  xi

Ejemplo a partir de los siguientes datos

x 0 1 2 3 4
y 5 8 17 44 101

Calcular f (0.5), f (1.1)

 i x y
0 0 5
3
1 1 8 6
9 12
2 2 17 18 0
27 12
3 3 44 30
57
4 4 101

f 0  5; f 0  3;  2 f 0  6;  3 f 0  12;  4 f 0  0
6 12 0
Pn ( x)  f ( x)  5  3r  r (r  1)  r (r  1)(r  2)  r (r  1)(r  2)(r  3)
2! 3! 4!
Pn ( x)  x3  2 x  5
Con frecuencia cuando los datos de la variable independiente no
son igualmente espaciados se puede hacer un método de
diferencias fintas obteniéndose la forma de interpolación de
lagrange.
h  cte n
pn ( x)   Li ( x) f ( xi )
n u ( x) f ( x j )
f ( x)  pn ( x)  
i 0

 j  (x j )
'
j 0 ( x x ) Donde
n x  xj
u ( x)  ( x  x0 )( x  x1 )( x  x2 )...( x  xn ) Li ( x)  
j 0 xi  x j
 (x )  (x
j i
'
j j  x0 )( x j  x1 )( x j  x2 )...( x j  xn )
j  0,1,..., n
  Ejemplo j 0 1 2 3
x 0 1 3 4
f(x) 1 1 -1 2

( x  x0 )( x  x1 )( x  x2 )( x  x3 )( x  x4 )
P( x) 
( x  x0 )( x0  x1 )( x0  x2 )( x0  x3 )( x0  x4 )
( x  x0 )( x  x1 )( x  x2 )( x  x3 )( x  x4 )
* f2 
( x  x2 )( x2  x1 )( x2  x3 )( x2  x4 )( x2  x0 )
( x  x0 )( x  x1 )( x  x2 )( x  x3 )( x  x4 )
* f4
( x  x4 )( x4  x1 )( x4  x2 )( x4  x3 )( x4  x0 )
( x  x0 )( x  x1 )( x  x2 )( x  x3 )( x  x4 )
* f0  * f1 
( x  x1 )( x1  x2 )( x1  x3 )( x1  x4 )( x1  x0 )
( x  x0 )( x  x1 )( x  x2 )( x  x3 )( x  x4 )
* f3 
( x  x3 )( x3  x1 )( x3  x2 )( x3  x4 )( x3  x0 )

El polinomio resultante es 5 x3  24 x 2  14 x  12
Pn ( x) 
12
La forma de Lagrange encuentra un polinomio de grado <= n, por
medio de (n-1) puntos pero tiene como objeción lo laborioso de sus
cálculos
El polinomio de grado n-esimo
pn ( x)  b0  b1 ( x  x0 )  ...  bn ( x  x1 )( x  x2 )...( x  xn1 )
El polinomio de grado n-esimo, requiere de (n+1) puntos:
x0 , x1 , x2 ,..., xn , evaluando los coeficientes como:
Siendo las funciones con corchetes diferencias divididas finitas. La
primera diferencia dividida finita se calcula como
f ( x j )  f ( xi )
f [ xi , x j ] 
x j  xi
La segunda diferencia divida finita es la diferencia de dos primeras
diferencias divididas finitas
f [ x j , xk ]  f [ xi , x j ]
f [ xi , x j , xk ] 
xk  xi
i xi f ( xi ) 1 2 3
0 x0 f ( x0 ) f [ x0 , x1 ] f [ x0 , x1 , x2 ] f [ x0 , x1 , x2 , x3 ]
1 x1 f ( x1 ) f [ x1 , x2 ] f [ x1 , x2 , x3 ]
2 x2 f ( x2 ) f [ x2 , x3 ]
3 x3 f ( x3 )
Ejemplo: Sean los siguientes valores
xi 1 4 6 5
yi 0 1.3862944 1.7917595 1.6094379

f ( x1 )  f ( x0 ) 1.3862944
f [ x0 , x1 ]    0.46209813
x1  x0 4 1
1.7917595  1.3862944
f [ x1 , x2 ]   0.20273255
64
1.6094379  1.7917595
f [ x2 , x3 ]   0.18232160
56
f [ x1 , x2 ]  f [ x0 , x1 ]
f [ x0 , x1 , x2 ]   0.05187312
6 1
f [ x2 , x3 ]  f [ x1 , x2 ]
f [ x1 , x2 , x3 ]   0.02041095
54
f [ x1 , x2 , x3 ]  f [ x0 , x1 , x2 ]
f [ x0 , x1 , x2 , x3 ]   0.00786554
5 1
Dando la tabla de diferencias divididas finitas

i xi F(xi) 1 2 3
0 1 0 0.46209813 -0.05187312 0.00786554
1 4 1.3862944 0.20273255 -0.02041095
2 6 1.7917595 0.18232160
3 5 1.6094379

La forma de Newton es

pn ( x)  0  0.46209812( x 1)  0.05187312( x 1)( x  4)  0.00786554( x  1)( x  4)( x  6)

pn (2)  0.62877
Ejercicio Hallar el polinomio de Newton:
Sean los valores
i 0 1 2 3
xi 0 1 4 6
yi 1 -1 1 -1
 Método Bidimensional

La interpolación bidireccional es de gran aplicación en los

problemas de ingeniería para resolver este tipo de problemas se
hace un artificio de doble interpolación lineal teniendo en cuenta
los métodos anteriores.
u  f ( x, y )  a0  a1 x  a2 y  a3 x 2  a4 xy  a5 y 2  a6 x 3  a7 x 2 y  a8 xy 2  a9 x 3 y  a10 x 2 y 2  a11x 3 y 2

Ejemplo: Estímese f (1.6, 0.33) de los valores mostrados en la tabla.

Utilícese, interpolación cuadrática en la dirección x e interpolación
cubica para y. Se selecciona una de las variables de manera que sea
constante, por ejemplo x. Se decide interpolar para y dentro de las
tres filas de la tabla y en x = 1.0, 1.5 y 2.0 ya que el valor deseado en
x = 1.6, está casi centrado dentro de este conjunto. Se escogen los
valores para y como 0.2, 0.3, 0.4 y 0.5 de manera que y = 0.33 este
centralizada
y x
0.1 0.2 0.3 0.4 0.5 0.6

0.5 0.165 0.428 0.687 0.942 1.19 1.431

1 0.271 0.64 1.003 1.359 1.703 2.035

1.5 0.447 0.99 1.524 2.045 2.549 3.031

2 0.738 1.568 2.384 3.177 3.943 4.672

2.5 1.216 2.52 3.8 5.044 6.241 7.379

3 2.005 4.09 6.136 8.122 10.03 11.841

3.5 3.306 6.679 9.986 13.196 16.277 19.198

 Se puede utilizar ya sea la interpolación de Lagrange o deducir
los valores interpolados utilizando newton progresivo
obtenemos

y u u  2u  3u

0.2 0.64
 0.363

0.3 1.003 -0.007

x  1.0  0.356 -0.005
0.4 1.359 -0.012

 0.344
0.5 1.703



 y u u  2u  3u

0.2 0.99
 0.534

0.3 1.524 -0.013

 0.521 -0.004
x  1.5 
0.4 2.045 -0.017
 0.504
 y u u  2u  3u
0.5 2.549

 0.2 1.568
  0.816

 
0.3 2.384 -0.023

 0.793 -0.004
x  2.0 
0.4 3.177 -0.027
 0.766

0.5 3.943




Ahora necesitamos las subtablas desde y = 0.2 hasta y =0.5 ya que,
para una interpolación cubica se requieren cuatro puntos. Utilizando
cualquier trayectoria conveniente, a través de las tablas con
coeficientes se llega a los resultados:
x u u  2u

1 1.1108
 0.571

y  0.33 1.5 1.6818 0.3717
 0.9427

 2.0 2.6245



En esta última tabulación tomamos un decimal extra para prevenir
errores por redondeo. Interpolando de nuevo se obtiene u =1.8406, el
cual reportamos con u =1.841